基于GPU加速的三维超声图像滤波方法研究

摘要

三维超声成像技术由于可以直接提供组织和器官的三维形态、结构、大小等丰富的诊断信息，在临床应用中受到越来越多的关注。然而，由于超声成像的相干特性、设备元器件内部电路及周围环境干扰等影响，图像中会存在明显的斑点噪声，该噪声会严重降低三维超声图像的质量，从而增大对图像微小结构信息的辨识及精确参数的提取的难度。因此，对三维超声图像的斑点噪声进行去噪研究不仅可以为疾病的诊断与治疗提供更为清晰、直观的图像信息，同时也能为后续精确临床参数的获取提供有力支持。现阶段的各种去噪算法中，非局部均值（NLM）滤波算法以其在去噪效果及精细结构信息的保持方面的杰出性能而成为目前最好的超声图像滤波算法之一，但实际中，由于三维体数据本身数据量较大，滤波算法的复杂度也较高，故滤波方法通常非常耗时。
　　本论文针对三维超声图像去噪领域存在的以上各种问题，提出了一种基于GPU加速直接三维非局部均值滤波算法，将更能准确模拟超声图像斑点噪声特性的伽马噪声模型融合到非局部均值算法中，同时将算法扩展到三维域，并利用GPU强大的并行处理能力对算法进行硬件加速，以大幅提高算法效率。由于传统的NLM主要针对的是高斯白噪声，其计算相似度方法的核心是基于两个图像块的高斯加权的欧氏距离，因此对于斑点噪声不能得到理想的滤波效果，本文通过将更能真实模拟斑点噪声特性的伽马噪声模型应用到NLM方法中，可以实现更优质的斑点噪声滤除效果；为了将图像的三个维度的有效信息充分应用到降噪处理中，原来二维的平面相似块变成三维立体相似块来计算相似度，这种方式可以有效地保持图像各个方向上分辨率的一致性；而后，采用块恢复的方法来降低算法的时间复杂度，对算法进行一个初步提速；最后通过对算法的并行性进行分析，提炼出可并行操作的部分，利用GPU强大的并行处理能力对其进行硬件加速，以期进一步提升本文所提出算法的实际应用价值。
　　实验结果表明，本文所提出的算法能够大大减少斑点噪声去噪算法耗时，与此同时，还可以较好地保留图像细节信息，因此，本研究对三维超声领域具有非常重要的理论意义和实际价值。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪 论

1.1 课题研究背景与意义

1.2 研究现状

1.3 论文主要研究工作及章节安排

2 基于伽马噪声模型的直接三维非局部均值滤波算法

2.1 引言

2.2 传统非局部均值滤波

2.3 基于伽马噪声模型的直接三维非局部均值滤波

2.4 并行性分析

3 GPU并行计算

3.1 引言

3.2 GPU与CPU

3.3 常见并行策略及分析

3.4 CUDA编程模型

4 基于GPU加速的三维非局部均值滤波算法

4.1 算法实施步骤及参数确定

4.2 基于GPU并行的三维体数据算法设计

4.3 实验结果与分析讨论

5 总结与展望

5.1 总结

5.2 工作展望

致谢

参考文献

附录 攻读硕士学位期间发表的论文及专利成果